Nicht-parametrische Identifikationsverfahren (Analyse des transienten Zeitverhaltens, Fourieranalyse ETFE), Grundlagen der Stochastik, parametrische Identifikationsverfahren (Least Squares mit und ohne stochastischer Störung), Modellstrukturen zur Identifikation (ARMA, ARX, ARMAX), Rekursive Least Squares (RLS) Verfahren, Least Mean Squares (LMS) Identifikation, Methode der gewichteten kleinsten Quadrate, optimale Schätzer (Gauß-Markov Schätzer, Minimum-Varianz Schätzer), optimaler Beobachterentwurf (Kalman-Filter), dynamische Programmierung nach Bellman, optimaler linearer Zustandsregler (LQR-(Linear Quadratic Regulator) Problem) mit finitem und infinitem Optimierungsintervall, optimale Ausgangsregelung (LQG- (Linear Quadratic Gaussian) Problem), Separationsprinzip für den optimalen Zustandsregler- und Zustandsbeobachterentwurf, erweiterte Konzepte der Zustandsregelung (Feedforward der geschätzten Störung, Zustandsregler mit Integralanteil, Servoproblem)
Am Mittwoch den 8.10.2012 findet um 12:45 im Hörsaal EI8 eine Vorstellung der gesamten Lehre des Instituts für Automatisierungs- und Regelungstechnik statt.
Verwendete Software: Matlab/Simulink + Control System Toolbox + Identification Toolbox
Ein Skriptum zur Lehrveranstaltung ist erhältlich. http://www.acin.tuwien.ac.at/lehre/master/prozessidentifikation/
[1] Anderson B.D.O., Moore J.B., Optimal Control: Linear Quadratic Methods, Prentice Hall, New Jersey, (1990).
[2] Aström, K.J., Wittenmark, B., Computer-Controlled Systems, Prentice-Hall, New Jersey, (1997).
[3] Franklin, G.F., Powell, J.D., Workman, M., Digital Control of Dynamic Systems, Addison Wesley, California, (1998).
[4] Isermann R., Identifikation dynamischer Systeme 1 und 2, 2. Auflage, Springer, Berlin Heidelberg, (1992).
[5] Ljung, L., System Identification: Theory for the User, Prentice Hall, New Jersey, (1987).
[6] Luenberger, D.G., Optimization by Vector Space Methods, John Wiley & Sons, New York, (1969).